Kunstig intelligens for brystkreftscreening i mammografi (AI-STREAM)
Kunstig intelligens for brystkreft screening i mammografi (AI-STREAM): En prospektiv, multisenter kohortstudie
Studieoversikt
Status
Status
Forhold
Forhold
Intervensjon / Behandling
Intervensjon / Behandling
Detaljert beskrivelse
- Flere utfordringer er identifisert i brystkreftscreening: 1) Noen brystkrefttilfeller som ikke er identifisert gjennom screening; 2) Overdreven tilbakekallinger for videre testing; 3) Lav følsomhet i tette bryster; 4) Variabilitet mellom lesere. AI-basert CADe/x har vist seg å forbedre radiologytelsen og gir resultater tilsvarende eller overlegne resultater fra radiologer alene.
- Denne multisenter, prospektive studien involverer kvinner som besøker steder for brystkreftscreening i Korea. Kvinner som er kvalifisert for nasjonal kreftscreening i det aktuelle året som leser rekrutteringsbrosjyren for studiedeltakere og leser og signerer deltakerinformasjonsarket og skjemaet for informert samtykke vil bli rekruttert til denne studien. Omtrent 32 714 deltakere vil bli påmeldt fra februar 2021 til desember 2022 på fem studiesteder i Korea.
- I Korea utfører en enkelt radiolog mammografiavlesninger. Hvis tilbakekalling er nødvendig (etter vanlig behandling), vil ytterligere diagnostisk opparbeidelse bli utført for å bekrefte kreft oppdaget ved screening. De nasjonale kreftregisterdatabasene skal gjennomgås i 2026 og 2027. Tilgjengelige funn vil bli registrert for alle deltakere uavhengig av deres screeningstatus for å identifisere studiedeltakere med brystkreftdiagnose innen ett år og innen to år fra screening.
- Ved primær utfallsmåling, som en del av standard screeningprosedyre, vil mammografi bli lest og tatt opp av en brystradiolog uten AI-CADe/x, og deretter med AI-basert CADe/x. [Sett1]
- Ved sekundær utfallsmåling vil mammografi fra samme deltakere som sett 1 bli lest og tatt opp av en generell radiolog uten AI-basert CADe/x, og deretter med AI-basert CADe/x. [Sett 2] I ytterligere sekundær utfallsmåling vil voldgiftsavlesning bli utført av en annen brystradiolog uten AI-basert CADe/x for tilfeller der avlesningsresultatene til de to radiologene uten AI-basert CADe/x i sett 1 og sett 2 er inkonsekvente. [Sett 3]
- Etter å ha fullført standard screeningprosedyre i sett 1, vil flere situasjonelle sammenligningsgrupper [Set2 og Set3] for sammenligning, den diagnostiske nøyaktigheten utføres uavhengig og retrospektivt. Resultatene fra sett 2 og sett 3 vil ikke påvirke den eller de kliniske beslutningene knyttet til omsorg for studiedeltakerne.
Studietype
Studietype
Registrering (Faktiske)
Registrering
Kontakter og plasseringer
Studiekontakt
Studiekontakt
- Navn: Yun-Woo Chang, MD, PhD
- Telefonnummer: 82-02-710-3250
- E-post: ywchang@schmc.ac.kr
Studer Kontakt Backup
- Navn: Jungkyu Ryu, MD, PhD
- E-post: oddie2@naver.com
Studiesteder
-
-
-
Seongnam-si, Korea, Republikken
- Department of Radiology, CHA bundang Medical Center
-
Seoul, Korea, Republikken, 04401
- Department of Radiology, Soonchunhyang University Hospital
-
Seoul, Korea, Republikken
- Department of Radiology, Konkuk University Medical Center
-
Seoul, Korea, Republikken
- Department of Radiology, Kyung Hee University Hospital at Gangdong
-
Seoul, Korea, Republikken
- Department of Radiology, Nowon Eulgi Medical center
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Deltakere må oppfylle alle følgende inklusjonskriterier for å bli registrert i studien:
- Vær kvalifisert for nasjonal kreftscreening i det aktuelle året og besøk nettstedet for brystkreftscreening
- Gi samtykke til studiedeltakelse ved å bruke skjemaet for informert samtykke og fyll ut et deltakerinformasjonsark
Ekskluderingskriterier:
- Deltakere som oppfyller noen av følgende kriterier vil bli ekskludert fra studien:
- Har en historie med eller nåværende brystkreft
- Er for øyeblikket gravid eller planlegger å bli gravid i løpet av de neste 12 månedene
- Har en historie med brystkirurgi (mammoplastikk eller innsetting av et fremmed stoff, som parafin eller silisium)
- Har mammografi for diagnostiske formål
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Observasjonsmodeller: Kohort
- Tidsperspektiver: Potensielle
Antall grupper / kohorter
Kohorter og intervensjoner
Gruppe / KohortGruppe / Kohort |
Intervensjon / BehandlingIntervensjon / Behandling |
|---|---|
|
samme som studiepopulasjonen
Bruk av AI-basert CADe/x av brystradiologer
|
• En programvare som oppdager områder mistenkt for brystkreft ved hjelp av mammografiske bilder, merker områder som mistenkes for ondartede lesjoner, og viser sannsynligheten for ondartede lesjoner for å hjelpe til med den tolkende legens diagnose
|
Hva måler studien?
Primære resultatmål
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
• Diagnostisk nøyaktighet med forskjell mellom brystradiologer med og uten AI-basert CADe/x
Tidsramme: 12 måneder etter screening, 24 måneder etter screening
|
Diagnostisk nøyaktighet vurderes ved å bruke kreftregisterdata som referansegruppe for å beregne kreftdeteksjonsrate [CDR], recall rate, sensitivitet, positiv prediktiv verdi
|
12 måneder etter screening, 24 måneder etter screening
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
• Diagnostisk nøyaktighet og forskjell for følgende sammenligningsgrupper med eller uten AI
Tidsramme: 12 måneder etter screening, 24 måneder etter screening
|
Diagnostisk nøyaktighet vurderes ved å bruke kreftregisterdata som referansegruppe for å beregne CDR, gjenkallingsfrekvens, sensitivitet, PPV, spesifisitet, intervallkreftfrekvens og AUROC. |
12 måneder etter screening, 24 måneder etter screening
|
Samarbeidspartnere og etterforskere
Sponsor
Sponsor
Samarbeidspartnere
Samarbeidspartnere
Etterforskere
Etterforskere
- Studieleder: Yun-Woo Chang, MD, PhD, Soonchunhyang University Hospital, Seoul
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Kim HE, Kim HH, Han BK, Kim KH, Han K, Nam H, Lee EH, Kim EK. Changes in cancer detection and false-positive recall in mammography using artificial intelligence: a retrospective, multireader study. Lancet Digit Health. 2020 Mar;2(3):e138-e148. doi: 10.1016/S2589-7500(20)30003-0. Epub 2020 Feb 6.
- Salim M, Wahlin E, Dembrower K, Azavedo E, Foukakis T, Liu Y, Smith K, Eklund M, Strand F. External Evaluation of 3 Commercial Artificial Intelligence Algorithms for Independent Assessment of Screening Mammograms. JAMA Oncol. 2020 Oct 1;6(10):1581-1588. doi: 10.1001/jamaoncol.2020.3321.
- Chang YW, An JK, Choi N, Ko KH, Kim KH, Han K, Ryu JK. Artificial Intelligence for Breast Cancer Screening in Mammography (AI-STREAM): A Prospective Multicenter Study Design in Korea Using AI-Based CADe/x. J Breast Cancer. 2022 Feb;25(1):57-68. doi: 10.4048/jbc.2022.25.e4. Epub 2022 Jan 6. Erratum In: J Breast Cancer. 2022 Apr;25(2):147.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Studiestart
Primær fullføring (Faktiske)
Primær fullføring
Studiet fullført (Antatt)
Studiet fullført
Datoer for studieregistrering
Først innsendt
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Først lagt ut
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Sist oppdatering lagt ut
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
Andre studie-ID-numre
- oddie2
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
produkt produsert i og eksportert fra USA
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .